Đây là một quy trình khép kín gồm ba phần: gửi khảo sát đúng lúc, thu và lưu câu trả lời, phân tích để hành động. AI chủ yếu tham gia ở phần thứ ba, nơi con người thường bỏ dở.
Ví dụ một chuỗi 3 cửa hàng sửa điện thoại tại TP.HCM. Mỗi tháng có vài trăm khách, cửa hàng gửi tin nhắn mời đánh giá nhưng chỉ nhìn điểm trung bình. Các góp ý như 'chờ lâu quá', 'nhân viên không báo trước phí kiểm tra', 'máy sửa xong vẫn nóng' nằm trong ô văn bản và không ai tổng hợp.
Với workflow có AI, mỗi câu trả lời mở được gắn nhãn chủ đề như thời gian chờ, giá, thái độ, chất lượng sửa chữa. Câu nào có dấu hiệu khách rất bức xúc hoặc lỗi kỹ thuật lặp lại sẽ được gửi ngay cho quản lý cửa hàng. Cuối tuần, chủ chuỗi nhận một báo cáo ngắn: chủ đề nào tăng, cửa hàng nào có vấn đề, kèm vài câu trích nguyên văn.
Khảo sát theo sự kiện, gửi ngay sau khi giao dịch xong, thường cho câu trả lời cụ thể hơn khảo sát gửi hàng loạt theo quý. Workflow này tập trung vào loại theo sự kiện.
"}, {"h2": "Thiết kế bảng câu hỏi để AI phân tích được", "html": "AI chỉ phân tích tốt khi dữ liệu đầu vào có cấu trúc hợp lý. Bảng câu hỏi nên ngắn, 3–5 câu, hoàn thành dưới một phút.
Trường ẩn rất quan trọng. Nhờ chúng, AI và báo cáo có thể chia theo cửa hàng, nhân viên, sản phẩm mà khách không phải khai lại.
", "table": {"caption": "Loại câu hỏi và cách xử lý trong workflow", "head": ["Loại câu hỏi", "Ví dụ", "Ai xử lý"], "rows": [["Điểm số", "Mức hài lòng 1–5", "Công thức trong bảng tính"], ["Câu mở", "Điều gì khiến anh/chị chấm điểm này?", "AI gắn chủ đề, cảm xúc, mức khẩn"], ["Lựa chọn", "Anh/chị biết đến chúng tôi qua đâu?", "Đếm trực tiếp, không cần AI"], ["Trường ẩn", "Mã đơn, cửa hàng", "Điền tự động từ đường dẫn"]]}}, {"h2": "Các bước workflow từ trigger đến báo cáo", "html": "Dữ liệu vào là câu trả lời thô. Dữ liệu ra gồm bảng có nhãn, cảnh báo tức thời và một báo cáo tuần dài khoảng một trang.
"}, {"h2": "Prompt gắn nhãn và tóm tắt ý kiến khách hàng", "html": "Muốn nhãn nhất quán qua nhiều tuần, hãy cố định danh sách chủ đề thay vì để AI tự đặt tên mỗi lần.
Bạn phân loại phản hồi khách hàng cho {loại hình kinh doanh}. Danh sách chủ đề cho phép: {thời gian chờ, giá, thái độ nhân viên, chất lượng sản phẩm, giao hàng, khác}. Với phản hồi sau, trả về JSON: topics (tối đa 2 chủ đề trong danh sách), sentiment (tích cực/trung lập/tiêu cực), urgency (thấp/trung bình/cao), summary (tối đa 15 từ). Urgency cao khi khách nêu lỗi an toàn, đòi hoàn tiền, dọa khiếu nại hoặc đăng lên mạng. Điểm: {score}. Phản hồi: {text}.
Dưới đây là bảng phản hồi tuần {tuần} gồm chủ đề, cảm xúc, tóm tắt và cửa hàng. Hãy viết báo cáo tối đa 250 từ: 3 chủ đề tiêu cực nhiều nhất và thay đổi so với tuần trước {số liệu tuần trước}, cửa hàng có vấn đề nổi bật, 3 câu trích nguyên văn tiêu biểu. Không đưa ra con số không có trong bảng.
Phần đếm số lượng theo chủ đề nên tính bằng bảng tính rồi đưa vào prompt, thay vì để AI tự đếm, vì AI đếm số lượng lớn dễ sai.
"}, {"h2": "Công cụ dựng workflow khảo sát", "html": "Có thể ghép từ các công cụ phổ biến, không cần nền tảng khảo sát đắt tiền.
AI phát hiện, con người xử lý. Không nên để AI tự gửi lời xin lỗi hay đề nghị bồi thường cho khách.
Khép vòng là phần quan trọng nhất. Khách phàn nàn được gọi lại trong ngày thường thay đổi ấn tượng nhiều hơn mọi chương trình khuyến mãi.
"}, {"h2": "Đo hiệu quả, rủi ro và khi nào không cần AI", "html": "Các chỉ số nên theo dõi:
Nếu mỗi tháng chỉ có vài chục câu trả lời mở, chủ cửa hàng tự đọc trong 15 phút sẽ hiểu sâu hơn. AI có giá trị khi khối lượng vượt quá khả năng đọc của một người.
"} ], "tip": "Giữ khảo sát dưới 5 câu và luôn có một câu mở. Một câu trả lời cụ thể của khách thường đáng giá hơn mười điểm số trung bình.", "faq": [ {"q": "AI phân tích phản hồi khách hàng tiếng Việt có chính xác không?", "a": "Các mô hình lớn hiện nay xử lý tiếng Việt khá tốt với câu ngắn, rõ nghĩa. Câu mỉa mai, viết tắt, tiếng lóng dễ bị gắn nhãn sai, nên cần kiểm tra mẫu định kỳ."}, {"q": "Nên gửi khảo sát qua Zalo hay email?", "a": "Phụ thuộc khách hàng. Khách cá nhân ở Việt Nam thường phản hồi qua Zalo và SMS nhiều hơn email; khách doanh nghiệp thì email phù hợp hơn. Có thể thử cả hai và đo tỷ lệ phản hồi."}, {"q": "NPS là gì và có nên dùng?", "a": "NPS đo khả năng khách giới thiệu bạn cho người khác trên thang 0–10. Nó dễ so sánh theo thời gian, nhưng nên đi kèm câu hỏi mở để hiểu lý do."}, {"q": "Có thể để AI tự trả lời khách phàn nàn không?", "a": "Không nên. AI có thể soạn nháp, nhưng lời xin lỗi, cam kết, bồi thường cần người có trách nhiệm quyết định và gửi."}, {"q": "Dùng Google Forms có kết nối với AI được không?", "a": "Được. Google Forms ghi câu trả lời vào Google Sheets, từ đó Apps Script, n8n hoặc Make đọc dòng mới và gọi API của mô hình AI để gắn nhãn."}, {"q": "Bao lâu nên xem lại danh sách chủ đề?", "a": "Khoảng mỗi quý, hoặc khi nhãn 'khác' chiếm tỷ lệ lớn. Đọc các phản hồi bị gắn 'khác' để tìm chủ đề mới cần bổ sung."} ], "sources": [ {"t": "Net promoter score – Wikipedia", "u": "https://en.wikipedia.org/wiki/Net_promoter_score"}, {"t": "Google Forms – Trợ giúp", "u": "https://support.google.com/docs"}, {"t": "n8n – tài liệu chính thức", "u": "https://docs.n8n.io"} ], "related": ["workflow-cham-soc-khach-sau-ban", "ai-trong-cham-soc-khach-hang", "prompt-cham-soc-khach-hang", "workflow-phan-loai-ticket-ho-tro", "cach-dung-ai-tra-loi-danh-gia-google-maps", "workflow-n8n-mau-cho-sme", "ai-crm-la-gi", "kiem-thu-va-van-hanh-workflow"] }, { "id": 2101, "slug": "workflow-mo-ta-san-pham-hang-loat", "title": "Workflow: viết mô tả sản phẩm hàng loạt từ bảng thông số", "meta_desc": "Workflow viết mô tả sản phẩm hàng loạt từ bảng thông số: chuẩn hóa dữ liệu, prompt theo nhóm hàng, AI viết, kiểm tra tự động, duyệt và đẩy lên website, sàn.", "excerpt": "Cửa hàng có hàng trăm mã sản phẩm nhưng mô tả trống hoặc chép từ nhà cung cấp. Bài này hướng dẫn dựng workflow để AI viết mô tả sản phẩm hàng loạt từ bảng thông số, có bước kiểm tra để tránh sai thông số và nội dung trùng lặp.", "answer": "Workflow viết mô tả sản phẩm hàng loạt là quy trình lấy dữ liệu từ bảng thông số (tên, thương hiệu, thông số kỹ thuật, công dụng, đối tượng dùng), chuẩn hóa từng dòng, gửi cho AI kèm prompt riêng theo nhóm hàng để viết mô tả, sau đó tự kiểm tra thông số có khớp bảng gốc, độ dài, từ cấm, rồi đưa vào hàng chờ duyệt trước khi đẩy lên website hoặc sàn thương mại điện tử. Cách này giúp xử lý hàng trăm mã trong vài giờ, nhưng chất lượng phụ thuộc vào dữ liệu đầu vào và bước duyệt của người hiểu sản phẩm.", "kws": ["viết mô tả sản phẩm hàng loạt", "AI viết mô tả sản phẩm", "workflow mô tả sản phẩm", "mô tả sản phẩm từ bảng thông số", "tạo nội dung sản phẩm tự động"], "sections": [ {"h2": "Viết mô tả sản phẩm hàng loạt bằng workflow là gì", "html": "Viết mô tả sản phẩm hàng loạt bằng workflow là biến bảng thông số sản phẩm thành nội dung mô tả cho từng mã, chạy tự động qua nhiều dòng thay vì dán từng sản phẩm vào khung chat AI.
Một cửa hàng linh kiện máy tính có 600 mã hàng. Phần lớn mô tả trên website chỉ có vài dòng thông số chép từ nhà phân phối, giống hệt hàng chục website khác. Nhân viên nội dung viết tay được khoảng 10–15 mô tả mỗi ngày, mất nhiều tháng mới xong.
Workflow giải quyết phần lặp lại: đọc từng dòng bảng, chọn đúng mẫu prompt cho nhóm hàng, gọi AI, kiểm tra kết quả, ghi lại. Nhân viên chuyển sang vai trò biên tập: đọc, sửa, duyệt. Năng suất tăng nhiều lần mà vẫn giữ được kiểm soát chất lượng.
Làm thủ công dễ mất nhất quán: mỗi lần dán một kiểu, giọng văn thay đổi, quên định dạng. Workflow cố định prompt, cấu trúc đầu ra và quy tắc kiểm tra, nên 600 mô tả có cùng chuẩn và dễ quản lý phiên bản.
"}, {"h2": "Chuẩn bị bảng thông số đầu vào", "html": "Đầu vào quyết định đầu ra. AI không biết sản phẩm của bạn, nó chỉ biết những gì có trong bảng. Thiếu thông tin thì AI sẽ viết chung chung, hoặc tệ hơn là tự bịa.
Mỗi dòng nên có:
Tách bước 'đẩy lên kênh bán' thành luồng riêng chỉ đọc dòng 'đã duyệt'. Như vậy không có nội dung nào lên website mà chưa qua người.
"}, {"h2": "Prompt mẫu theo nhóm hàng", "html": "Một prompt chung cho mọi sản phẩm thường cho ra mô tả nhạt. Nên có khung chung và phần riêng cho từng nhóm.
Bạn là biên tập viên nội dung cho cửa hàng {tên cửa hàng}, giọng văn {thân thiện, rõ ràng}. Viết mô tả cho sản phẩm dưới đây. Chỉ dùng thông tin trong dữ liệu, không thêm thông số, chứng nhận, so sánh với thương hiệu khác. Trả về JSON: short_desc (40–60 từ), long_desc (150–250 từ, chia 2–3 đoạn), features (4–6 gạch đầu dòng), seo_title (tối đa 60 ký tự), meta_desc (120–155 ký tự). Dữ liệu: {dòng dữ liệu}.
Giải thích lợi ích của thông số bằng ngôn ngữ người dùng phổ thông, ví dụ chuẩn kết nối ảnh hưởng thế nào đến tốc độ. Nêu rõ cần kiểm tra khả năng tương thích với {loại thiết bị}.
Nhấn mạnh tình huống sử dụng và đối tượng phù hợp. Tránh từ ngữ cường điệu như 'tốt nhất', 'số 1'.
Ghi rõ 'không thêm thông số' và liệt kê từ cấm giúp giảm đáng kể lỗi. Nên lưu prompt theo phiên bản để biết mô tả nào sinh từ phiên bản nào.
"}, {"h2": "Kiểm tra tự động trước khi người duyệt", "html": "Bước kiểm tra bằng máy giúp biên tập viên tập trung vào giọng văn thay vì soát từng con số.
Người duyệt nên là người hiểu sản phẩm, không chỉ là người viết hay. Mỗi lô, họ kiểm tra:
Website WordPress với WooCommerce có REST API để cập nhật mô tả theo SKU. Các nền tảng bán hàng, sàn thương mại điện tử thường có API hoặc tính năng nhập file Excel hàng loạt; quy định nội dung của từng sàn khác nhau và có thể thay đổi, nên đọc hướng dẫn người bán hiện hành.
Nên viết mô tả khác nhau cho website và sàn nếu có thể. Mô tả trên website tối ưu cho tìm kiếm, mô tả trên sàn tập trung vào điểm mua nhanh. Workflow có thể sinh hai phiên bản trong cùng một lần gọi.
Luôn sao lưu mô tả cũ trước khi ghi đè để có thể khôi phục nếu một lô bị lỗi.
"}, {"h2": "Đo hiệu quả, rủi ro và khi nào không nên dùng", "html": "Chỉ số theo dõi:
Sản phẩm cao cấp, ít mã, cần câu chuyện thương hiệu riêng nên được viết tay. Workflow hàng loạt phù hợp với danh mục lớn, thông số rõ ràng như linh kiện, phụ kiện, vật tư.
"} ], "tip": "Hãy dành thời gian cho cột 'điểm bán hàng' do người bán hàng ghi chú. Hai câu thật từ người hiểu khách làm mô tả AI khác hẳn bản chép thông số.", "faq": [ {"q": "Mô tả sản phẩm do AI viết có bị Google đánh giá thấp không?", "a": "Google đánh giá dựa trên chất lượng và mức hữu ích, không chỉ dựa trên việc ai viết. Mô tả AI chung chung, trùng lặp hàng loạt thì khó xếp hạng; mô tả có thông tin riêng, đã được biên tập thì không có vấn đề."}, {"q": "Có thể dùng Google Sheets để chạy hàng loạt không?", "a": "Được. Apps Script có thể đọc từng dòng, gọi API của mô hình AI và ghi kết quả. Với vài nghìn dòng nên chia lô và chú ý giới hạn thời gian chạy của Apps Script."}, {"q": "Một lần nên chạy bao nhiêu sản phẩm?", "a": "Bắt đầu với lô 20–50 sản phẩm để kiểm tra prompt. Khi tỷ lệ lỗi thấp mới tăng lô lên, nhưng vẫn nên giữ kích thước đủ để người duyệt kịp đọc."}, {"q": "Có dùng được Batch API để giảm chi phí không?", "a": "Một số nhà cung cấp có Batch API xử lý không cần trả lời ngay với mức phí thấp hơn. Phù hợp khi viết hàng nghìn mô tả không gấp; xem bảng giá hiện hành của nhà cung cấp."}, {"q": "Làm sao để mô tả không giống nhau?", "a": "Đưa thêm dữ liệu riêng cho từng mã, yêu cầu AI tránh mở đầu giống nhau, và kiểm tra độ trùng giữa các mô tả cùng nhóm để viết lại những bản quá giống."}, {"q": "Mô tả lấy từ nhà cung cấp có dùng lại được không?", "a": "Có thể dùng làm dữ liệu đầu vào cho phần thông số, nhưng không nên đăng nguyên văn vì trùng lặp với nhiều website khác và có thể vướng quyền sử dụng nội dung."} ], "sources": [ {"t": "WooCommerce REST API – tài liệu", "u": "https://woocommerce.github.io/woocommerce-rest-api-docs/"}, {"t": "Google Search Central – nội dung hữu ích", "u": "https://developers.google.com/search/docs"}, {"t": "OpenAI – tài liệu API", "u": "https://platform.openai.com/docs"} ], "related": ["ai-ban-hang-shopee-tiktok-shop", "ai-viet-noi-dung-seo", "batch-api-la-gi", "tu-dong-hoa-voi-google-sheets-va-apps-script", "ai-va-sapo", "workflow-n8n-mau-cho-sme", "prompt-seo-onpage", "ai-va-shopee-seller"] }, { "id": 2102, "slug": "workflow-chuyen-ghi-am-cuoc-goi-thanh-ghi-chu", "title": "Workflow: ghi âm cuộc gọi thành ghi chú CRM", "meta_desc": "Workflow chuyển ghi âm cuộc gọi thành ghi chú CRM: lấy file từ tổng đài, chuyển giọng nói thành văn bản, AI tóm tắt nhu cầu, việc cần làm và ghi vào CRM.", "excerpt": "Nhân viên kinh doanh gọi hàng chục cuộc mỗi ngày nhưng ghi chú CRM thì sơ sài hoặc bỏ trống. Bài này mô tả workflow tự chuyển ghi âm cuộc gọi thành ghi chú có cấu trúc trong CRM, cùng các lưu ý về đồng ý ghi âm và bảo mật.", "answer": "Workflow chuyển ghi âm cuộc gọi thành ghi chú CRM là quy trình tự động lấy file ghi âm từ tổng đài sau mỗi cuộc gọi, dùng công nghệ chuyển giọng nói thành văn bản để có bản chép lời, cho AI tóm tắt thành ghi chú có cấu trúc (nhu cầu khách, phản đối, cam kết, việc cần làm, hẹn tiếp theo), rồi ghi vào đúng hồ sơ khách trong CRM và tạo nhắc việc. Nhân viên chỉ cần xem lại, sửa nếu cần. Điều kiện quan trọng là khách được thông báo về việc ghi âm và dữ liệu được lưu, xử lý an toàn.", "kws": ["ghi âm cuộc gọi thành ghi chú CRM", "workflow ghi âm cuộc gọi", "AI tóm tắt cuộc gọi", "chuyển giọng nói thành văn bản CRM", "ghi chú cuộc gọi tự động"], "sections": [ {"h2": "Chuyển ghi âm cuộc gọi thành ghi chú CRM là gì", "html": "Đây là quy trình biến một cuộc gọi đã ghi âm thành một bản ghi chú ngắn, có cấu trúc, gắn vào hồ sơ khách hàng trong CRM mà nhân viên không phải tự gõ.
Ví dụ một công ty cung cấp phần mềm quản lý cho phòng khám có 8 nhân viên kinh doanh, mỗi người gọi 30–40 cuộc mỗi ngày qua tổng đài ảo. Ghi chú CRM thường chỉ có 'đã gọi, khách hẹn sau'. Khi khách gọi lại, người khác nghe máy không biết khách từng hỏi gì, lo ngại gì, đã được báo giá gói nào.
Với workflow này, sau mỗi cuộc gọi, CRM có ghi chú như: nhu cầu chính là quản lý lịch hẹn cho 2 chi nhánh; lo ngại về việc chuyển dữ liệu cũ; đã hẹn gửi tài liệu tích hợp; gọi lại thứ Năm. Trưởng nhóm có thể đọc nhanh các cuộc gọi quan trọng mà không cần nghe lại toàn bộ.
Cuộc gọi bán hàng ngắn hơn, chất lượng âm thanh qua điện thoại kém hơn, và đầu ra phải khớp với các trường trong CRM. Vì vậy cần prompt và quy trình ghép dữ liệu riêng.
"}, {"h2": "Điều kiện trước khi triển khai: đồng ý ghi âm và dữ liệu", "html": "Trước phần kỹ thuật, cần giải quyết phần trách nhiệm với dữ liệu khách hàng.
Quy định về bảo vệ dữ liệu cá nhân tại Việt Nam đang được hoàn thiện và có thể thay đổi. Doanh nghiệp nên kiểm tra văn bản hiện hành và tham khảo người có chuyên môn pháp lý khi xây dựng chính sách, đặc biệt nếu khách hàng nhắc đến thông tin sức khỏe, tài chính trong cuộc gọi.
"}, {"h2": "Các bước của workflow", "html": "Thời gian xử lý mỗi cuộc gọi vài phút là chấp nhận được, nhân viên thường xem ghi chú khi đã gọi xong vài cuộc.
"}, {"h2": "Chuyển giọng nói tiếng Việt: lựa chọn và chất lượng", "html": "Chất lượng ghi chú phụ thuộc nhiều vào bản chép lời. Cuộc gọi điện thoại thường có âm thanh nén, tiếng ồn, nói nhanh, nhiều giọng vùng miền.
", "table": {"caption": "Các lựa chọn chuyển giọng nói thành văn bản", "head": ["Lựa chọn", "Ưu điểm", "Hạn chế"], "rows": [["Tính năng chép lời có sẵn của tổng đài", "Tích hợp sẵn, không cần dựng thêm", "Chất lượng tiếng Việt khác nhau giữa nhà cung cấp"], ["API chuyển giọng nói của nhà cung cấp AI lớn", "Hỗ trợ nhiều ngôn ngữ, dễ gọi từ n8n, Make", "Dữ liệu gửi ra ngoài, tính phí theo phút"], ["Mô hình mã nguồn mở như Whisper chạy nội bộ", "Dữ liệu không rời công ty", "Cần máy có GPU phù hợp và người vận hành"], ["Dịch vụ nhận dạng giọng nói của doanh nghiệp Việt", "Tối ưu giọng địa phương", "Cần đánh giá thử trên dữ liệu thật"]]}}, {"h2": "Prompt tóm tắt cuộc gọi khớp trường CRM", "html": "Ghi chú chỉ có ích khi khớp với cách đội kinh doanh làm việc. Hãy hỏi trưởng nhóm: sau mỗi cuộc gọi, họ muốn biết những gì?
Bạn là trợ lý kinh doanh của {tên công ty}, bán {sản phẩm}. Dưới đây là bản chép lời cuộc gọi giữa nhân viên {tên nhân viên} và khách. Bản chép lời có thể sai chính tả do nhận dạng giọng nói. Trả về JSON: summary (tối đa 50 từ), customer_needs (danh sách), objections (danh sách), commitments_by_us (việc công ty hứa làm), next_step, follow_up_date (YYYY-MM-DD hoặc null), deal_stage_suggestion (chọn trong {danh sách giai đoạn}), confidence (thấp/trung bình/cao). Chỉ ghi điều có trong cuộc gọi; không suy đoán ngân sách nếu khách không nói. Không ghi lại số thẻ, số tài khoản hay mật khẩu nếu xuất hiện.
Trường confidence giúp nhân viên biết ghi chú nào cần xem kỹ. Khi bản chép lời kém, AI nên tự hạ mức tin cậy.
Không để AI tự chuyển giai đoạn cơ hội trong CRM. Chỉ ghi 'gợi ý' và để nhân viên xác nhận.
"}, {"h2": "Công cụ kết nối tổng đài, AI và CRM", "html": "Khả năng triển khai phụ thuộc chủ yếu vào việc tổng đài và CRM có API hay không.
Nếu đội kinh doanh chỉ có hai, ba người và ít cuộc gọi, ghi chú tay ngay sau cuộc gọi vẫn là cách đơn giản và hiệu quả.
"} ], "tip": "Hãy thử trên 50 cuộc gọi thật, cho trưởng nhóm chấm từng ghi chú là dùng được, cần sửa hay sai. Con số này cho biết nên đầu tư thêm vào chép lời hay vào prompt.", "faq": [ {"q": "AI có nhận dạng giọng nói tiếng Việt qua điện thoại tốt không?", "a": "Chất lượng đã cải thiện nhiều nhưng vẫn giảm khi âm thanh nén, ồn hoặc nói giọng địa phương nặng. Nên thử nhiều lựa chọn trên chính ghi âm của công ty trước khi chọn."}, {"q": "Có cần xin phép khách khi ghi âm cuộc gọi không?", "a": "Nên thông báo rõ ràng ở đầu cuộc gọi và trong chính sách bảo mật. Quy định cụ thể có thể thay đổi, hãy kiểm tra văn bản hiện hành về bảo vệ dữ liệu cá nhân."}, {"q": "Có thể chạy Whisper trên máy tính công ty không?", "a": "Có thể với máy có GPU phù hợp; mô hình lớn hơn cho chất lượng tốt hơn nhưng cần nhiều VRAM hơn. Cách này giữ dữ liệu trong công ty nhưng cần người vận hành."}, {"q": "CRM không có API thì làm sao?", "a": "Có thể ghi ghi chú vào Google Sheets theo số điện thoại hoặc gửi email cho nhân viên để dán vào CRM. Về lâu dài nên chọn CRM có API nếu muốn tự động hóa."}, {"q": "AI có tự cập nhật giai đoạn bán hàng được không?", "a": "Về kỹ thuật được, nhưng không nên. Để AI gợi ý giai đoạn và nhân viên xác nhận, tránh làm sai lệch báo cáo doanh số."}, {"q": "Lưu ghi âm và bản chép lời bao lâu?", "a": "Tùy chính sách công ty và yêu cầu pháp lý. Nên quy định thời hạn rõ ràng, xóa file tạm sau khi xử lý và chỉ giữ ghi chú cần thiết trong CRM."} ], "sources": [ {"t": "Whisper – GitHub chính thức của OpenAI", "u": "https://github.com/openai/whisper"}, {"t": "Speech recognition – Wikipedia", "u": "https://en.wikipedia.org/wiki/Speech_recognition"}, {"t": "n8n – tài liệu chính thức", "u": "https://docs.n8n.io"} ], "related": ["cach-chuyen-giong-noi-thanh-van-ban", "ai-crm-la-gi", "ket-noi-ai-voi-crm-erp", "workflow-lead-website-vao-crm", "ai-tom-tat-cuoc-hop", "ai-va-getfly-crm", "workflow-n8n-mau-cho-sme", "bao-mat-du-lieu-khi-dung-chatgpt-claude-trong-cong-ty"] } ]